Ієрархічний факторний класифікаційний аналіз в рамках інформаційно-екстремальної інтелектуальної технології

Abstract

Застосування інформаційно-екстремальних інтелектуальних технологій для керування слабоформалізованими технологічними процесами є важливим напрямом розвитку автоматизації в промисловості, зокрема на хімічних підприємствах. В роботі запропоновано метод проєктування автоматизованих систем керування слабоформалізованими технологічними процесами, що базується на використанні ієрархічного факторного класифікаційного аналізу. Основною особливістю методу є застосування математичних моделей машинного навчання (самонавчання) за умов невизначеності алфавіту функціональних станів слабоформалізованого технологічного процесу, що дозволяє з високою точністю визначати оптимальні параметри керування та адаптувати систему до змін в реальному часі. В статті показано, що використання ієрархічного факторного класифікаційного аналізу дає змогу підвищити ефективність виявлення функціональних відхилень у слабоформалізованому технологічному процесі, знижуючи ймовірність помилок при прийнятті рішень. Для підвищення точності та ймовірності правильного визначення функціональних станів в режимі факторного класифікаційного аналізу запропоновано підсилити базові інформаційно-екстремальні методи оптимізації геометричних параметрів класифікатору і системи контрольних допусків на параметри слабоформалізованого технологічного процесу методами формування та оптимізації ієрархічної структури класів. The application of information-extreme intelligent technologies for the management of chemical-technological processes is an important direction in the development of automation in industry, particularly in chemical enterprises. A method for designing hierarchical control systems has been proposed, based on the use of hierarchical factor classification analysis to optimize the training and self-learning of automated process control systems. The main feature of the method is the use of mathematical models to analyze the functional states of processes, which allows for the accurate determination of optimal control parameters and the adaptation of the system to real-time changes. The work demonstrates that the use of hierarchical factor classification analysis increases the effectiveness of detecting functional deviations in technological processes, reducing the likelihood of errors in decision-making. To enhance the accuracy and probability of correctly determining the states, it is proposed to use algorithms for optimizing geometric parameters and control tolerances. It has been established that this method works effectively even in complex conditions where the number of functional states may vary. The research shows that the application of hierarchical factor classification analysis is effective for optimizing management processes, providing increased decision-making reliability and stability to changes in the conditions of complex chemical-technological process production.